Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ビジネス・エグゼクティブのための最新ITトレンド

26,285 views

Published on

https://libra.netcommerce.co.jp/

Published in: Technology
  • Be the first to comment

ビジネス・エグゼクティブのための最新ITトレンド

  1. 1. 第1回・最新のITトレンドとこれからのビジネス戦略 2018年2月26日
  2. 2. 2 最新のITトレンドとサイバーフィジカルシステム
  3. 3. コンピューターとは何か 3 抽象的な数字を物理的な動きを使って演算する道具 Calculator Computer 演算するための道具 Calculate 演算する Compute 複数の演算を組み合わせ 何らかの結果を導く 複数演算の組み合わせを 実行する道具 複数演算の組み合わせを 実行するヒト(計算者) 蒸気機関や電気の動力 電子の動きモノの動き
  4. 4. 量子コンピュータとは何か 4 抽象的な数字を物理的な動きを使って演算する道具 蒸気機関や電気の動力 電子の動きモノの動き 量子力学によって明らかにされた 量子の動き/現象を利用して演算
  5. 5. 歴史から見たITトレンド 5 紀元前150〜100年頃 アンティキティラ島の機械 1670年代 ライプニッツの計算機 1645年代 パスカルの計算機 1946年 ENIAC 1951年 UNIVAC1 1981年 1995年 1964年 IBM System/360 MS Internet Explorer 1.0 2007年 iPhone 2004年 2006年 2011年 量子コンピュータ 202X年 ニューロ・モーフィング コンピュータ 古代の計算機械 Calculator 現代の計算機械 Computer 近未来の計算機械 AI 19世紀半(未完成) バベッジの解析機関 IBM PC 5150 1990年〜 Internet
  6. 6. ITと人間との関係の変遷 6 インプランタブル ウェアラブル モバイル デスクトップ インターネット & クラウド メインフレーム ホーム ブレイン・マシン インターフェイス キーボード タッチ センサー 音声 生体器官
  7. 7. デジタル化の歴史 7 1960年代 メインフレームの登場 1970年代 事務処理・工場生産の自動化 1980年代 小型コンピュータ・PCの登場 1990年代 クライアント・サーバの普及 2000年代 ソーシャル、モバイルの登場 201X年〜 IoT・アナリティクスの進化 カリキュレーション 大規模計算 ルーチンワーク 大量・繰り返しの自動化 ワークフロー 業務の流れを電子化 コラボレーション 協働作業 アクティビティ 日常生活や社会活動 エンゲージメント ヒトとヒトのつながり
  8. 8. コレ一枚でわかる最新のITトレンド(2) 8 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
  9. 9. 9 クラウド・コンピューティング
  10. 10. クラウド・コンピューティング で変わるITの常識
  11. 11. 情報システムの構造 11 業務や経営の目的を達成するための 仕事の手順 ビジネス・プロセス 情報システム ビジネス・プロセスを効率的・効果 的に機能させるためのソフトウエア アプリケーションの開発や実行に共 通して使われるソフトウエア ソフトウエアを稼働させるための ハードウェアや設備 アプリケーション プラットフォーム インフラストラクチャー 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 データベース プログラム開発や実行を支援 稼働状況やセキュリティを管理 ハードウェアの動作を制御 ネットワーク 機器 電源設備サーバー ストレージ
  12. 12. ネットワーク コレ一枚でわかるクラウドコンピューティング 12 インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール ソーシャル メディア 新聞 ニュース ショッピング 金融取 引 財務 会計 施設や設備
  13. 13. 「自家発電モデル」から「発電所モデル」へ 13 工場内・発電設備  設備の運用・管理・保守は自前  需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 システム・ユーザー デ ー タ インターネット
  14. 14. クラウド・コンピューティング の価値
  15. 15. 歴史的背景から考えるクラウドへの期待 業務別専用機 業務別専用機 業務別専用機 業務別専用機 UNIXサーバー PC PCサーバー Intel アーキテクチャ 汎用機 メインフレーム IBM System/360 IBM System/360 アーキテクチャ ~1964 汎用機 メインフレーム PC 1980~ ミニコン オフコン エンジニアリング ワークステーション 汎用機 メインフレーム ダウンサイジング マルチベンダー 2010~ PC+モバイル+IoT 汎用機 メインフレーム PCサーバー PCサーバー PCサーバー クラウド コンピューティング データセンター
  16. 16. 情報システム部門の現状から考えるクラウドへの期待(2) 新規システムに投資する予算 既存システムを維持する予算 (TCO) 40% 60% 新規システムに投資する予算 既存システムを維持する予算 IT予算の増加は期待できない! 既存システムを 維持するための コスト削減  TCOの上昇  IT予算の頭打ち クラウドへの期待 「所有」の限界、使えればいいという割り切り
  17. 17. システム資源のECサイト 見積書 契約書 調達手配 導入作業 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 セルフ・サービス・ポータル  調達・構成変更  サービスレベル設定  運用設定  ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金/定額課金 クラウド オンライン・リアルタイム
  18. 18. クラウドならではの費用対効果の考え方 システム関連機器の コストパフォーマンス リース コストパフォーマンスが 長期的に固定化 クラウド 新機種追加、新旧の入替えを繰り返し 継続的にコストパフォーマンスを改善 移行・環境変更に かかる一時経費 2006/3/14〜 50回以上値下げ
  19. 19.  徹底した標準化  大量購入  負荷の平準化  APIの充実・整備  セルフサービス化  機能のメニュー化 クラウド・コンピューティングのビジネス・モデル 19 クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ
  20. 20. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 20 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
  21. 21. クラウド・コンピューティング とは
  22. 22. クラウドの定義/NISTの定義 クラウド・コンピューティングは コンピューティング資源を 必要なとき必要なだけ簡単に使える仕組み 配置モデル サービス・モデル 5つの重要な特徴 米国国立標準技術研究所 「クラウドコンピューティングとは、ネットワーク、サーバー、ストレージ、アプリケーション、サービスなどの構成可能なコン ピューティングリソースの共用プールに対して、便利かつオンデマンドにアクセスでき、最小の管理労力またはサービスプ ロバイダ間の相互動作によって迅速に提供され利用できるという、モデルのひとつである (NISTの定義)」。
  23. 23. クラウドの定義/サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム ハードウェア PaaS Platform as a Service IaaS Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア&OS マシン プ ラ ッ ト フ ォ ー ム
  24. 24. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義/配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別・少数企業 不特定・複数企業/個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
  25. 25. ハ イ ブ リ ッ ド ク ラ ウ ド ベンダーにて運用、ネット ワークを介してサービス提供 パブリック クラウド 自社マシン室・自社データセ ンターで運用・サービス提供 プライベート クラウド 5つの必須の特徴 人的介在を排除 無人 システム TCOの削減 人的ミスの回避 変更への即応 仮 想 化 調 達 の 自 動 化 運 用 の 自 動 化 オンデマンド・セルフサービス 幅広いネットワークアクセス 迅速な拡張性 サービスの計測可能・従量課金 リソースの共有 *SaaSやPaaSの場合、仮想化は絶対条件ではない。
  26. 26. 日米の企業文化の違いとクラウドへの期待IPA人材白書・2012/日経SYSTEMS 2012/8を参考に作成 ITエンジニア の人数 ユーザー 企業 ITベンダー企業 75% ユーザー企業 72% ITベンダー 企業 ITベンダー企業の生産性向上 + ベンダーがリスクを背負わされる ユーザー企業の生産性向上 + ユーザーが自らリスクを担保 エンジニアリング・ワークの生産性が劇的に向上 運用の自動化 + 調達の自動化 = エンジニアの調達・運用管理負担の軽減 約100万人 約300万人
  27. 27. セキュリティとガバナンス Security & Governance
  28. 28. サイバー攻撃がなぜなくならないのか 28 1425% サイバー犯罪の投資対効果(ROI) Payload: $3000 ランサムウェア等マルウェアの購入費。 Infection Vector: $500 マルウェアに感染させるための手法の使用料。 Traffic Acquisition: $1800 マルウェア配布サイトの使用料。 Daily Encryption: $600 マルウェアを検知されにくくするための暗号化を使う費用。 経費:$5,900 出典:2015 Trustwave Global Security Report 訪問者数 20,000人/日 感染率 10% → 2,000人/日 支払率 0.5% → 10人/日 支払額 $300/人 期間 30日 収益:$90,000 クラウド・サービスとして提供
  29. 29. ビジネスとしてのランサムウェア 29  ボットネットレンタル : 60ドル/日、400ドル/週  ランサムウェアキット : 1,000ドル/月  サーバー侵入代行 : 3〜5ドル(コマンドインターフェイス)、 10〜25ドル(リモートデスクトップ接続)  エクスプロイトキット(リース) : 50ドル/日〜1,800ドル/月  クレジットカード番号(所有者詳細情報つき): 30ドル  ヘルスケア情報(米国医療保障制度番号10件): 4,700ドル DARKReading:Cybercrime: A Black Market Price List From The Dark Web Ransomware as a Service 利用料金 クラウド・サービス として取引されている サイバー犯罪の多くは金銭目的 オンラインバンキングではアカ ウント情報を窃取し不正送金を 行い、ランサムウェアはWebマ ネーやビットコインを要求する。 個人のスキルに依存したビジ ネスから組織的ビジネスある いは分業化されたビジネスへ
  30. 30. セキュリティ対策対象の変化 30 LAN ファイヤー ウォール LAN ファイヤー ウォール インターネット 特定&少数の通信相手 特定・不特定&多数の通信相手 自社の所有するシステム資産を守ることにより 経営、業務、データ、個人を守ることができた ユーザー認証や暗号化、セキュアなプログラムなどで 経営、業務、データ、個人を守らなくてはならない 複 雑 さ と 範 囲 の 拡 大
  31. 31. 高度なセキュリティ対策をクラウドにアウトソーシング 31 インフラ プラットフォーム 運用管理 アプリケーション 業務対応 自社対応 クラウド 自社所有 IaaS PaaS SaaS 責任分界点が変わる:運用管理 × セキュリティ対応
  32. 32. 経営とガバナンス
  33. 33. そもそも、私たちは何のために仕事をするのか? 33 自分で自分を評価し自己満足しているだけでは対価は手に入らない! 評価されるため × その対価はお金 誰に評価されれば仕事の対価を手に入れられるか?
  34. 34. 評価の仕組み 34 承認された手順 指示 承認 参照 進捗を記入 進捗を確認 報連相 評価 経営者・管理者 従業員
  35. 35. 目的の達成にはガバナンスが必要 35 目的 目標 プロセス 進捗 結果 ガバナンスができている 「目的」を達成するために  全てが見えている  改善・変更できる  実行・停止を指示できる
  36. 36. 評価は報告の連鎖、報告連鎖の仕組みが組織 36 ステークホルダー 経営者 管理職 従業員 業務 業務 報告 報告 報告 要望 把握 改善のサイクル 最終的な責任を経営者に委譲する仕組み
  37. 37. サイバー・セキュリティ
  38. 38. リスクマネージメントの相関図 38 事故の発生 事故の影響 受容 脅威 ぜい弱性 機密性 完全性 可用性対策 受容レベル 保証×説明 コスト 影響 どこまでやればよいのかを?  対策コスト負担  3項目への影響  業務の受容レベル 最適な組合せ 情報セキュリティの3項目 機密性:情報を盗まれない。 完全性:情報をデタラメな内容に書き換えられない。 可用性:システムを停止・破壊され業務継続を妨げられない。
  39. 39. セキュリティ対策は何を評価するのか 39 セキュリティの評価 ① 安全か ② 安心か ③ 効率や利便性は高まったか ④ ビジネスは成長したか 誰が評価するか IT担当者 IT担当者 利用者 経営者
  40. 40. セキュリティ対策の狙いと手段 40  従業員の「判断」を最小化する  創造性の高い業務とそうでない業務を明確に分ける  創造性の必要ない業務における従業員の判断を最小化するため に業務の効率化・自動化を行う  従業員に創造性の高い業務をさせる  業務改善のため、従業員保護のためにできること  セキュリティの判断を従業員にさせない  なにかあった時に従業員を護ることができるように「継続的な 監視(Continuous Monitoring)」を行う  そのために「IDとログ(記録)の一元管理」が必要
  41. 41. IoTとAI、そのビジネス モノのインターネット/Internet of Things
  42. 42. IoTとは何か
  43. 43. インターネットに接されるデバイス数の推移 43 爆発的な伸びを見せると推測されるIoT(世界規模) (出典:National Cable & Telecommunications Association)
  44. 44. IoTに期待される経済価値 44 14.4兆ドル 9.5兆ドル (66%) 業界固有の案件の 改革より生みだされる 4.9兆ドル (34%) 業界横断的な案件より 生みだされる 1.95兆ドル スマートファクトリー 7570億ドル スマートグリッド 3490億ドル スマートビルディング 1060億ドル ヘルスケア・患者モニタ 3470億ドル 商用車 1.95兆ドル マーケティング・広告 780億ドル カレッジ教育 IoTがもたらす経済的効果・総務省 2013年から2023年の10年間で期待される経済価値 http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h27/html/nc254120.html
  45. 45. IoTの2つの意味 45 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT=CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
  46. 46. その他のビジネス 自律走行自動車 ビル設備管理サービス IoTはテクノロジーではなくビジネス・フレームワーク 46 データ収集 データ解析 データ活用 土木工事自動化サービス 解決したいビジネス課題  土木工事需要の拡大  熟練作業員の高齢化  困難を極める若者人材確保 データ収集  ドローンによる工事現場の空中撮影(カメラ)  建設機械の高精度位置情報(GPS)  デジタル化された施工情報(3次元CAD等) データ解析  高精度3次元立体図面  土量分析・作業分析  工程・工期シミュレーション データ活用  建設機械の自動制御・作業支援  工程変更支援  ドロー測量により進捗把握 解決したいビジネス課題によって、使われるテクノロジーの組合せは異なる デジタル・データを活用した ビジネス課題を解決するためのフレームワークIoTとは 現実世界 サイバー世界
  47. 47. 従来のやり方とIoTの違い 47 業務アプリケーション 業務サービスへの適用 分析・最適化 (経験や知見) データの取得 (体験・実測) 事業課題の発見 仮説の設定 業務アプリケーション 業務サービスへの適用 分析・最適化 (機械学習やシミュレーション) データの取得 (ビッグ・データ) 事業課題の発見 仮説の設定 IoT 従来のやり方 ログ・データ 人間の知見 ログ・データ 人間の知見 センサ・データ+
  48. 48. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす2つのパラダイムシフト 48 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード+ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能+シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS:Cyber-Physical System
  49. 49. 電脳世界 (Cyber World) 現実世界 (Physical World) CPS社会の実現:デジタル・コピー/デジタルツイン 49 ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
  50. 50. 「モノ」のサービス化:ものの価値のシフト 50 モノの価値は、 ハードウェアからソフトウェアへ、 そしてサービスへとシフト ハードウェア ソフトウェア サービス 機能・性能を随時更新可能 機能・性能の固定化 機能・性能を継続的更新可能 モノの価値を評価する基準がシフト
  51. 51. 「モノ」のサービス化:様々なモノに拡がる新しい常識 51 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
  52. 52. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 「モノ」のサービス化:モノのサービス化の本質 52 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
  53. 53. 「モノ」のサービス化:ビジネス価値の進化 53 コア・ビジネス  既存ビジネス  蓄積されたノウハウ  確実な顧客ベース 付加価値ビジネス  収益構造の多様化  既存ノウハウの活用  顧客ベースの囲い込み 新規ビジネス  顧客価値の拡大  ノウハウの創出  顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
  54. 54. IoTビジネスはモノをつなげるのではなく物語をつなげる取り組み 54 胸が痛い! 心臓発作の模様! 緊急措置が必要! 心臓発作の患者が 搬送されます! 病歴や処方薬など 電子カルテで確認 症状は・・・ 救急車出動要請! 直ちに急行せよ! 工事中で 通行止! 最短迂回ルート はこちら これより患者 を搬送します!
  55. 55. 人工知能とは何か
  56. 56. 人間は何を作ってきたのか 56 鳥のように空を飛びたい 馬のように速く走りたい 魚のように海に潜りたい
  57. 57. 人間の知能そのものを持つ機械を作る 汎用型人工知能 人工知能とは何か 人間にしかできなかったこと 人間にはできなかったこと 作業の効率化 能力の拡張 運転手 工場作業者 兵士 音声認識 文脈理解 検索代行 知識蓄積 関係付け・解釈 選択・判断 観察・監視 能力強化・補完 介助・補助 人工知能 Artificial Intelligence 特化型人工知能 人間の新たな役割を生みだし進化を加速する 自律化 知的望遠鏡 知的介助 人間が知能を使って行うことを機械にさせる
  58. 58. 人工知能の3つの役割と人間の進化 58 人間の新たな役割を生みだし進化を加速する 自律化 知的望遠鏡 知的介助 機械自らが手順や判断基 準を見つけ出し人間が介 在することなく実行する これまで人間には見えな かったことが見えるよう になる 機械が人間に寄り添い、 利用者の裾野を拡大し、 新たな価値を生みだす 人工知能/Artificial Intelligence 人間の知的作業を自動化し知性を拡張する技術 自動車、システムや機器 の運用、土木工事など 医療診断、データサイエ ンス、各種学問分野など 音声認識端末、対話応答 サービスなど
  59. 59. コンビニのレジは ”No Checkout”へ 自律化:手順が決まった仕事は機械に置き換わる 59 銀行の窓口業務は ATMへ 駅の有人改札は 自動改札へ 単純 複雑 手順の決まった仕事は 機械に置き換わる
  60. 60. 自律化:自動化と自律化の領域 60 繰り返し 給与計算・部品表展開などの単一作業/ルーチンワーク ルール 生産管理・販売管理・工程管理などの連続する一連の作業 最適化 状況の変化をセンサーやログによって収集し 人間の与えた基準で最適条件を見つけて実行 判断 機械学習や認知機能によって未知の状況 にも対応し、自ら判断して実行する 発見 過去の事実と照らし合わせて 新たな事実を見つけ出す 自動化 Automation 自律化 Autonomy 発明 発見した事実を組合せ 過去になかった 創作物を創り出す 機械自らが手順や判断基準を見つけ出し、 人間が介在することなく実行する 人間の与えた手順や基準に従って、 人間が介在することなく実行する
  61. 61. 知的望遠鏡:これまで見えなかったことが見える 61 ディープラーニング/深層学習 人間が教えなくても森羅万象の中からパターンを見つけ出し世界を分類・整理する これまで人間には見えなかったことが見えるようになり 人間の知見を広げ、知性を高めることに役立つ
  62. 62. 知的介助:Amazon Alexa 62 自動車を ガレージから出す ピザを注文する 空調の温度を 調整する 配車サービスで 車を呼ぶ 預金残高を 確認する クラウド・サービス サービス提供者を巻き込む “Skill”SDKを提供 サービス利用者の抵抗を無くす 自然な音声対話 生活サービスOS 覇権を握る戦略
  63. 63. 知的介助:進化したbot(ボット) 63 福岡行き 航空券を 予約して!ご希望の 日時を 教えて 下さい! 来週金曜日 の午前中で お願い! メッセージ アプリ クラウド 次の日程 では 如何? 音声認識 テキスト認識 意味の解析 意図の解釈 クラウド アプリケー ション アプリケー ション テキストや音声で 普通に会話をするように 操作や指示ができる 「難しい」を解消し 利用者の裾野を拡げ 利用頻度を増やす
  64. 64. 知的介助:コンテキスト・テクノロジー 64 ビッグ・データ 行動パターン 生活習慣 興味・関心 好き嫌い スケジュール 行先・訪問相手 アナリティクス(人工知能) おすすめ情報 アドバイス 自動操作 自動設定 案内・予約 事前告知
  65. 65. 知的介助:操作の無意識化と利用者の拡大 65 学習 習熟 学習 習熟 学習 習熟 利用者の拡大 キーボード操作 タッチ操作 音声操作 操 作 の 無 意 識 化
  66. 66. ビッグデータ × AI(機械学習) 経営戦略・製品/サービス戦略 & 0.1 to One マーケティング CPS / Cyber Physical System = IoT 知的介助: amazonの戦略 66 「地球上で最も顧客中心の会社」 購買志向・生活習慣・経済状況 音声・生活音・趣味嗜好 音楽志向・趣味嗜好思想信条・趣味嗜好・主義主張 購買志向・生活レベル・生活圏 購買志向・生活レベル・生活圏 興味関心・趣味嗜好 生活レベル・経済状態 個人属性 テクノロジーを駆使して 徹底した利便性を追求 個人データを 徹底して収拾 「顧客第一主義」戦略 「顧客データ収集」戦略
  67. 67. 人工知能と機械学習
  68. 68. 人工知能と機械学習 68 人工知能(Artificial Intelligence) 人間の”知能”を機械で 人工的に再現したもの 基礎的 応用的 知識表現 推論 探索 機械学習 自然言語理解感性処理 画像認識 エキスパートシステム データマイニング 情報検索 音声認識ヒューマンインターフェース 遺伝アルゴリズム マルチエージェント ニューラルネット ゲーム プランニング ロボット 人工知能の一研究分野
  69. 69. なぜいま人工知能なのか 69 IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト インターネット アルゴリズム GPU(Graphics Processing Unit) 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能(Artificial Intelligence) ビッグデータ
  70. 70. 機械学習と推論(1) 70 機械学習 猫や犬のそれぞれの特徴を 最もよく示す特徴データの 組合せパターン(推論モデ ル)を作成する 対象データ 推論 どちらの推論モデルと 最も一致しているか の推論モデルに最も 一致しているので これは「猫である」と 推論する 学習 Learning 推論 Inference 大量の学習データ 推論モデル の推論 モデル の推論 モデル
  71. 71. 機械学習と推論(2) 71 耳 目 口 特徴量 猫と犬を識別・分類する ために着目すべき特徴 人間が 観察と経験で 決める 機械学習 統計確率的 アプローチ 機械が データ解析して 決める 機械学習 ディープラーニング (深層学習) 「特徴量」ごとに 猫/犬の特徴を 最もよく表す値を 見つけ出す 学習 猫の特徴を最もよく表す 特徴量の組合せパターン 犬の特徴を最もよく表す 特徴量の組合せパターン 猫の推論モデル 犬の推論モデル 大量の学習データ 大量の学習データ 犬 dog 猫 cat
  72. 72. 機械学習と推論(3) 72 特徴の抽出 推論モデルとのマッチング 猫 犬 推論モデル推論モデル 「猫」の推論モデルに 98%の割合で一致している 推論結果 だから「この画像は猫である」 「特徴量」に着目して それぞれの値を計算する 推論 特徴量未知のデータ 耳 目 口
  73. 73. 深層学習の学習と推論 73 ・・・・・ 入力層 出力層中間層(隠れ層) 入力と出力ができるだけ一致 するように中間層の繋がりの 重み付けを調整してゆく。 ・・・・・ 入力層 出力層中間層(隠れ層) イヌ 32% × ネコ 96% ○ ウシ 18% × 学習 推論 重み付けされた 「学習済の推論モデル」 「ネコ」 である 教師データ 未知のデータ 教師データ
  74. 74. 人工知能・機械学習・ディープラーニングの関係 74 1950年代 1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
  75. 75. 人工知能の適用事例
  76. 76. 人工知能の2つの方向性 76 視覚(See) 聴覚(Listen) 対話(Talk) 特化型人工知能 個別の領域において知的に振る舞う 汎用型人工知能 異なる領域で多様で複雑な問題を解決する 自己理解・自己制御 意識・意欲を持つ 自ら課題を発見し 自律的に能力を高めてゆく 人間が課題を発見し 人間が能力を高めてゆく
  77. 77. 学習データと結果の関係 77 宜しくお願い致します 汚い字の学習データ きれいな字の学習データ 機械学習 機械学習は学習データの範囲でのみ結果を出すことができる。 言語生成 出力結果
  78. 78. 「AIカント君」の可能性について 78 AIカント君 イマヌエル・カント Immanuel Kant 1724年4月22日〜1804年2月12日 プロイセン王国(ドイツ)の哲学者 カントの著作を 学習データとして入力し 彼のテーマや思考のパターンを モデル化する 問い: 生きるとは何か? 「AIカント君」には、 内発的な疑問を持つことはできないので、 このような問いを産み出すことはできない。 「わたしは何を知ることができるのだろうか」 「わたしは何をすべきなのであろうか」 「わたしは何を望むのがよいのだろうか」 「人間とは何だろうか」 カントの考え方を知る手助けにはなるかもしれない。しかし、 答え: 生きるとは、 XXXXXである!
  79. 79. 79 ある ない ある ない ある ない ある (少ない学習データ) ある (膨大な学習データ) 高い 低い (ひとつの知的処理に特化) 高い 低い 低い 高い 人間は身体に備わる様々な感覚器からの情報も含め総合して知覚・認識 しているが、機械には身体がないのでそれができない。 自分が現在何をやっているか、今はどんな状況なのかなどが自分でわか る心の働きである意識により、人間は様々な知的処理を同時に実行し、 それを統合・制御しているが、機械にはできない。 人間は、自分の考えや選択を決心し、実行する能力、あるいは、物事を 成し遂げようとする意志を持っているが、機械にはない。 人間は少ない学習データからでも効率よく学習できる能力をそなえてい るが、機械は膨大な学習データとそれを処理できる膨大な計算能力(消 費エネルギー)を必要とする。 人間はひとつの脳で様々な種類の知的処理が可能だが、機械は特定の知 的処理に特化している。 人間は、神経の機能単位が消失しても、それを自律的に補填・回復させ ることができるが、機械にはそれができない。 人間の場合、1千億個のニューロンによる超並列処理がおこなわれてい るが、その数を増やすことはできない。しかし、機械のプロセッサーは 増やすことはできる。 人間の知性と機械の知性 意識 身体性 意志 学習能力 汎用性 可塑性 スケーラ ビリティ 高い 低い 人間の脳の消費エネルギーは思考時で21ワット/時程度のエネルギーを 消費するが、機械の場合はその数千倍から数万倍を必要とする。例えば、 GoogleのAlphaGoの消費電力は25万ワット/時とされている。 エネルギー 効率 ある ある 共に記憶能力はあるが、人間の場合は、身体的な感覚を含む記憶が可能 であり、記憶内容やメカニズムは必ずしも同じではない。 記憶能力 機 能 的 特 徴 器 質 的 特 徴 人間の知性 機械の知性 補足説明
  80. 80. 人工知能の4レベル 80 単純制御:指示されたことをそまま行う 予め定められたルールに従い制御する(人工知能搭載○○)。  気温が上がるとスイッチを切るエアコン  洗濯物の重さで洗濯時間を自動的に変更する洗濯機  ひげの伸び具合で剃り方を変える電気シェーバーなど 学習・推論:指示されたことを自ら考えて実行する 外の世界を観測することによって振る舞いを変える。振る舞いのパターンを多くするために、予め用意された ルールに従い学習・推論し実行する。  「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、これからの打ち手を探索して打つ ことができる囲碁や将棋のシステム  与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム 機械学習:学習の着眼点は人間が教えるが対応パターンを自動的に学習する 人間があらかじめルールを細かく決めて組み込んでおかなくても、コンピュータが自ら大量のデータを分析し 機械学習を活用し対応パターンを自ら見つけ出す。ただし学習のための着眼点(特徴量)は人間が設計。  「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、対戦を繰り返すことでコンピュータ自 身が自分で学習する将棋や囲碁のシステム  診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム 深層学習:学習の着眼点を人間が教えなくても対応パターンを自動的に学習する 学習に使う変数(着眼点/特徴量)を自分で学習して見つけ、対応のパターンを見つけ出す。  1つの駒の位置だけではなく、複数の駒の関係性を見たほうがいいということを、自分で見つけ出す囲碁や将棋のシステム  一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、ということを自分で見つけ出すことができる 医療診断システム レ ベ ル 1 レ ベ ル 2 レ ベ ル 3 レ ベ ル 4
  81. 81. 人工知能に置き換えられる職業と置き換えられない職業 81 人工知能やロボット等による代替可能性が高い100種の職業 人工知能やロボット等による代替可能性が低い100種の職業 感性、協調性、創造性、好奇心、問題発見力など 非定型的で、機械を何にどう使うかを決められる能力 技能や経験の蓄積に依存し、パターン化しやすく 定型的で、特定の領域を越えない能力 2015年12月02日・株式会社野村総合研究所 https://www.nri.com/jp/news/2015/151202_1.aspx
  82. 82. 超高齢化社会を人工知能やロボットで対応 82 人工知能やロボットを積極的に駆使し、労働生産性やQOL(Quality of Life)の向上が急務
  83. 83. 情報システムの開発と運用
  84. 84. これからのシステム開発ビジネス 84 ビジネス・スピードの加速 アプリケーション開発・変更への迅速な対応 eXtreme Programing,Scrum,Test Driven Development など 本番環境への迅速な移行・継続的デリバリー Chef,Jenkins,Hashicorp など インフラ環境の迅速な調達・構築・変更 Open Stack,Azure Stack,vCloud Suite など 高速で俊敏な開発・実行環境 Cloud Foundry,IBM Cloud,Microsoft Azure,Force.com など アジャイル開発 Agile Development DevOps Development/Operation クラウド SDI/IaaS & PaaS
  85. 85. 変わる情報システムのかたち 85 戸建・定住 新築 建売り 建設業 一括売り切り 住み替え リフォーム 賃貸 サービス業 継続支払い
  86. 86. これからの「ITビジネスの方程式」 86 情報システムの 品質 成 果 生産量 スピード 最大 ビジネス
  87. 87. 早期に金額を確定させることに意味があるのか? 87 システム企画 要件定義 基本設計 詳細設計 プログラミング 4.0x 2.0x 1.0x 0.5x 0.25x 初期の プロダクト定義 承認された プロダクト定義 設計仕様 詳細設計 研修された ソフトウエア 要求仕様 見 積 金 額 の 変 動 幅 プロジェクトフェーズ スティーブ・マコネル著「ソフトウェア見積り 人月の暗黙知を解き明かす」 倍 の 振 れ 幅 16
  88. 88. システム開発の理想と現実 88 品質 Quality 納期 Delivery 費用 Cost 品質 Quality 納期 Delivery 費用 Cost 品 質 の 低 下 納期とコストの厳守 理想の結果 実際の結果
  89. 89. 早期の仕様確定がムダを減らすというのは迷信 89 Standish Group Study Reported at XP2002 by Jim Johnson, Chairman ほとんど/決して使われていない: 64% 常に/しばしば使われている: 20%
  90. 90. 「仕様書通り作る」から「ビジネスの成果への貢献」へ 90 ビジネスの成果に貢献する 加速するビジネス・スピード に即応する 本当に「使う」システムだけ を開発・運用する アジャイル開発 ビジネスと一体化した開発 DevOps 開発と運用の同期化 クラウド 自動化と高速開発
  91. 91. アジャイル開発の進め方 91 1.まずは人が通れるほどのトンネルを貫通させる。 2.大きな工事機械が入れるように拡げてゆく。 3. さらに拡張し設備をそろえて2車線の道路にする。
  92. 92. アジャイル開発の基本構造 92 100% 0% 時間 仕様書に記載した 全ての機能 100% 0% 時間 予定していた 全体仕様 30% 60% 80% 現場からの フィードバック 現場からの フィードバック 現場からの フィードバック ? 仕様書に対して100点満点狙い ビジネスの成果に対して合格点狙い 途中の成果からフィードバックを得て、 仕様や優先順位の変更を許容する。 ウォーターフォール開発の考え方 アジャイル開発の考え方 現場からのフィードバック 最後になって訂正・追加などが集中 目標としていたビジネスの成果が 達成できていれば完了 仕様凍結(確定)させて仕様書通りに開発が100%完了したら、 現場からのフィードバックを求める。 仕事の仕組みは確定できるを前提にした開発 仕事の仕組みは変化するを前提にした開発
  93. 93. スクラム:自律型の組織で変化への柔軟性を担保する 93  さまざまな専門性を持った人がチームを組み、最初 から最後まで一緒に働く。  人とチームを重視し、彼らが自律的に働ける環境を 与えることでブレークスルーが起こりやすくなり、 同時に製品化までの時間が短くなる。  リーダーは、自律するチームの障害を取り除くこと が仕事であり管理しない。 日本で行われている 新製品開発のプロセスを 米国のやり方と比較した論文 1986,Harvard Business Review Scrum(スクラム) 1990年代Jeff Sutherlandらが ソフトウェア開発のに適用 アジャイル開発  不安定 高い自由裁量と困難なゴールを持つ  自己組織化 情報ゼロから相互交流し自律的に仕組みを作る  全員多能工 分業を共有しメンバーがプロジェクトの責任を自覚する イノベーションを 生みだす方法論 l S S J f l 8 S B 9 l f l 8 H B 8 S B 9 l e R 8 H f l B 9 t w v 6 1, , 6 , n l u , , 0 1 d i l l r l s h r a H 不確実な要素が多いソフトウェア開発にお いて、フィードバックを得ながらより価値 の高いソフトウェアを提供するための方法 を体系的に整理したフレームワーク
  94. 94. これからのビジネス戦略
  95. 95. デジタル・トランスフォーメーションとサイバー・フィジカル・システム データ収集 IoT/Mobile/Web データ解析 データ活用 Webサービス ヒト・モノ 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム デジタル トランスフォーメーション
  96. 96. デジタル・トランスフォーメーションとは何か 人間を前提に最適化したビジネスの仕組み 機械を前提に最適化したビジネスの仕組み 観察と経験値に基づく判断と意志決定 データとAIに基づく判断と意志決定 ビッグデータ×AI 経験×思考 トランスフォーメーション Transformation/置き換える ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 常識や価値基準の転換 ヒトが主体 機械が支援 機械が主体 ヒトが支援 徹底した効率化と無駄の排除により サスティナブルな社会の実現に貢献
  97. 97. デジタル・トランスフォーメーションとは 97  ビジネス・プロセスに関わる 人間の制約を排除し  品質・コスト・期間などの 限界をブレークスルーして  ビジネスに新しい価値基準 をもたらす取り組み 人間を前提に最適化された ビジネスの仕組み から 機械を前提に最適化された ビジネスの仕組み への転換 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション
  98. 98. UBERとTaxi 98 Taxi  タクシー資産  コールセンター運営経費  施設維持管理  事務・管理経費 など ドライバー収入 運賃 UBER  アプリ開発・保守費  クラウド利用量など ドライバー収入 機械を前提とした ビジネスプロセス の最適化 人間を前提とした ビジネスプロセス の最適化
  99. 99. デジタル・トランスフォーメーションの実際 99 UBER airbnb NETFLIX Spotify PayPal タクシー・レンタカー業界 レンタル・ビデオ業界 ホテル・旅館業界 レコード・CD業界 銀行業界(決済・為替)
  100. 100. 様々な産業に変革を促すデジタル・トランスフォーメーション Share 共有 Autonomous 自律化 Electric 電動化 タクシーやレンタカー が不要になる 自動車が売れなくなり 売上が低下する バスや鉄道などの 役割が変わる 自動車が低価格化し 収益確保が難しくなる 自動車損害保険 が不要になる 不動産ビジネスが 影響を受ける 物流コストが 大幅に下がる ガソリンスタンド が不要になる 渋滞が解消し 環境負荷が低減する ドライブインやモーテル が不要になる Connected つながる CASEShare Autonomous Electric Connected
  101. 101. 「限界費用ゼロ社会」を引き寄せるデジタル・トランスフォーメーション  経済活動をより効率的に管理する新しいコミュニケーション・テクノロジー 郵便制度、電信・電話/管理型 水力、蒸気、原子力/集中型 蒸気船、鉄道、自動車、航空機/人間制御型 再生可能エネルギー/分散型 インターネット/自律型 様々な輸送手段の自動運転/自律制御型 IoT=ビッグデータ×AI 効率・自律・分散の追求 垂直階層型/管理制御型 水平分散型/自律連係型 経済革命を特徴づけてきた三つの決定的に重要な要素から成り立っている。  経済活動により効率的に動力を提供する新しいエネルギー源  経済活動をより効率的に動かす新しい輸送手段 「限界費用ゼロ」社会 適切な初期投資を行えば 生産にともなう増加分の新たな費用が 限りなく「ゼロ」になる社会 デジタル・トランスフォーメーション により実現される社会やビジネスの姿 ジェレミー・リフキン
  102. 102. デジタル・トランスフォーメーションの全体像 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション デジタル・ビジネス・プラットフォーム ヒトやモノに依存しないソフトウェア化された仕組み 組織・体制 ビジネス・プロセス 製品・サービス 意志決定スピードの高速化、 柔軟・迅速な組み替えや連係 変更や追加への即応力、オープン で柔軟な連係力 顧客/現場との緊密な連係と フィードバック ビッグデータ×AI サイバー・フィジカル・システム Cyber Physical System/CPS
  103. 103. デジタル・トランスフォーメーション実現のための取り組み デ ザ イ ン 思 考 リ ー ン ス タ ー ト ア ッ プ アジャイル開発 アプリケーション プラットフォーム API 開 発 運 用 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション DevOps
  104. 104. デザイン思考・リーン・アジャイル・DevOpsの関係 現場に足を運ぶ 現物を手に取る 現実を自分で確認する デザイン思考 リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する  共感(Emphasize)  問題定義(Define)  創造(Ideate)  プロトタイプ(Prototype)  検証(Test)  構築(Build)  計測(Measure)  学習(Learn)  開発と運用の協調  自動化ツールの整備  継続的デリバリー (Continuous Delivery)  反復/周期的(Iterative)  漸進的(Incremental)  適応主義(Adaptive)  自律的(Self-Organized)  多能工(Cell Production) イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供
  105. 105. デジタル・トランスフォーメーション実現のステップ 105 業務プロセスの情報システム化 IT利用による業務プロセスの改善・強化 業務のデジタル化 ITによる業務の置き換え デジタル化によるビジネスの革新 ビジネスとITの一体化/ITを前提としたビジネスの創出 生産性向上 コスト削減 納期短縮 スピードの加速 価値基準の転換 新ビジネスの創出 第1 フェーズ 第2 フェーズ 第3 フェーズ Toyota型 スピード重視 ビジネス・プロセのピードを上 げて競争力生む戦略 Apple型 イノベーション重視 世の中にない製品やサービスを 作り一体で競争力を生む戦略 Amazon型 サービス重視 両者を複合しあらゆる組合せを 実現し圧倒的競争力を生む戦略 進化の方向
  106. 106. あらゆる組織はソフトウェア・サービス・プロバイダーへと変わってゆく IT(デジタル・テクノロジー)を駆使して 製品やサービスをジャスト・イン・タイムで提供できる 組織・体制、ビジネス・プロセス、事業・経営へと 転換すること ヒトやモノに依存しない仕組み ビジネスのソフトウェア化 ソフトウェア・コード開発を中心とした企業組織に変革すること 全ての組織がソフトウェア・サービス・プロバイダー
  107. 107. 製品やサービスの市場投入までのプロセス:これまで 研 究 開 発 事業化 市場 投入  高度な専門性  注力する技術領域の明確化  仕様の確定と標準化  生産工程の改革  コストダウン・品質の改善  仕様へのフィードバック プロダクト開発 プロセス開発
  108. 108. 製品やサービスの市場投入までのプロセス:これから 開 発 事業化 市場 投入 開 発 事業化 市場 投入 開 発 事業化 市場 投入 研究 研究 研究 タイムリーに最小単位の製品・サービス を市場投入していく見極めと、それを可 能にする仕掛けが必要 アジャイル ← DevOps ← リーン・スタートアップ プロダクト・イノベーション プロセス・イノベーション 研究を加速するためにライフサイクルの シフトを視野に入れて多分野横断でプロ ジェクトを推進
  109. 109. デジタル・トランスフォーメーション デジタル・トランスフォーメーションを実践するステップ 3つの原則 課題の実感 トレンドの風を読む 試行錯誤 ステップ 1 戦略:ビジネス・モデル あるべき姿と シナリオを示す ステップ 2 作戦:ビジネス・プロセス ITの可能性を 最大限に活かす ステップ 3 戦術:使い方や見栄え 新しい常識で 選択肢を模索する
  110. 110. 自分たちには、 何ができるか? 自分たちには、 何ができないか? お客様は誰? 「お客様」は誰か? 自分たちのできることに都合が良い 市場・顧客・計画 お客様の あるべき姿? 自分たちのできることに都合が良い お客様の「あるべき姿」 お客様のあるべき姿を実現するために 何をすべきか? 具体的にイメージできる お客様の「あるべき姿」 〇山 △男 39歳 ▢▢株式会社 西日本営業部 営業業務課 ニーズ起点 シーズ起点
  111. 111. ビジネス価値と文化の違い ユーザー部門のITへの期待の変化 顧客に製品やサービスを“いかに買ってもらうか”を狙う 顧客が製品やサービスを“買ってから”を処理、格納する  ユーザー部門の要求は明確  IT部門はその要求に応える 求められる価値:スピード 求められる価値:安定性 SoE/モード2 SoR/モード1 System of Engagement System of Record 『キャズム』の著者Geoffrey A. Mooreの言葉を参考に作成  ユーザー部門は要求が不明  IT部門はその要求を一緒に探す  ERP  SCM  販売管理など  CRM  MA  ECなど 結果を処理するシステム 結果を創出するシステム
  112. 112. 実現するための物語を描き お客様にその価値を伝えられ この取り組みを主導する デジタル・トランスフォーメーション時代に求められる人材 その1 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション 自社に 強みのある テクノロジー 他社に 強みのある テクノロジー 協力して 強みを創る テクノロジー
  113. 113. デジタル・トランスフォーメーション時代に求められる人材 その2 テーマを見つける 問いを作る 正解を見つける 最適解を見つける 時間を重ね体験を繰り返し 経験値を蓄積する テーマ 問い 正解 最適解 テーマ 問い 正解 最適解 テーマ 問い 正解 最適解 テーマ 問い 正解 最適解 テーマ 問い 正解 最適解 テーマ 問い 経験値 経験値 機械学習 シミュレー ション PDCAを高速で回し、新たなテーマや問いを高頻度で作り続ける 機械学習やシミュレーションで高速に正解や最適解を見つける 経験値 データの蓄積 性能の向上 新たな役割 知性の進化 経験値 役割の拡張 能力の向上 「マシンは答えに特化し、人間はよりよい質問を長期的に生みだすことに力を傾けるべきだ。」 “これからインターネットに起こる『不可避な12の出来事』” ケビン・ケリー・2016
  114. 114. ITとの正しい付き合い方 114 思想としてのIT ビジネスの変革と創造 仕組みとしてのIT 業務プロセスの効率化と実践 道具としてのIT 利便性の向上と多様性の許容 商品としてのIT 収益拡大とビジネスの成長 ビジネス 経営と業務プロセスビジネス プロフェッショナル ITプロフェッショナル
  115. 115. 商品としてのITの作り方 115 思想としてのIT ビジネスの変革と創造 仕組みとしてのIT 業務プロセスの効率化と実践 道具としてのIT 利便性の向上と多様性の許容 商品としてのIT 収益拡大とビジネスの成長 ビジネス・モデル 使い勝手や見栄えの良さ ビ ジ ネ ス ・ プ ロ セ ス
  116. 116. 「道具としてのIT」から「思想としてのIT」への進化 ビジネスビジネス IT IT 1960年代〜1980年代 1990年代〜2000年代 2010年代〜 道具としてのIT 仕組みとしてのIT 思想としてのIT ビジネス+IT (ITと一体化したビジネス) 商品としてのIT
  117. 117. ITベンダーやSI事業者と うまくつき合う方法
  118. 118. ITをビジネスの成果に結びつける考え方 118 ビジネスの成果に結びつかないアプローチ IoT/AIで”何か”できないだろうか? (使えるビジネスはないのか?) IoT/AIで”何が”できるのだろうか? (どんな機能や性能が期待できるのか?) 自分たちの業務でどこか使えるところは ないだろうか? なんとか使えるところを見つけて使ってみたが 十分なビジネスの成果はあげられなかった。 使ってみたという成果だけが残り、 次に続かない。 ビジネスの成果に結びつくアプローチ この課題をブレークスルーできれば 劇的な改善や圧倒的競争力が手に入るはずだ! 課題を解決するためのビジネス・モデルや ビジネス・プロセスは何がいいだろう? 使える方法論やテクノロジーには 何があるのだろう(新旧にかかわらず)? ビジネスの成果があげられたかどうかで 当初の仮説や方法論、テクノロジーを評価する。 結果から改善点を見つけ、再びやってみる。 ダメなら、やり方を変えることも辞さない。
  119. 119. 過去のしがらみで ITベンダーやSI事業者を 選ばない 工数や期間、単価で値切らない テクノロジーや方法で可能性 を探り妥当な金額を合意する ビジネスの成果への意欲 発想の柔軟性と論拠 ビジネス合理性で判断する ITベンダーやSI事業者への対応 事業会社の担うべき責任 119 経営者や事業部門が 主管であり全責任を負うことを 社内外に明示的に宣言すること 自分たちの課題の整理には 忖度を交えず真摯に向きあう テクノロジーについて 難しい、分からないと逃げない 情報システム部門やITベンダー に丸投げしない テクノロジーの専門家と 納得の行くまで議論し 情報システム部門は自社の経営 や業務に当てはめて解釈する 事業会社に求められる自覚
  120. 120. 注意すべきITベンダー・SI事業者の行動特性 120 自分たちの「できること」でしか 解決策を示そうとしない。 これからのテクノロジーやその可能性について 分かりやすく説明できない。 機能や性能については説明できるが 経営や事業の成果にどのような貢献が できるのか説明できない。 新しい方法論や見積を求めても 旧来のやり方で提案しようとする。 新しい方法論やテクノロジーの適用を求めると 保証できない、実績がない、時期尚早などの ネガティブ・ワードで翻意を迫る。 注意すべきITベンダー・SI事業者の行動特性  自分たちの収益を優先して考えている。  新しいコトへのリスクを嫌っている。  経営やリソースに余裕がない。  勉強していない。あるいはその習慣がない。  分かってもらおうという意欲が欠如している。  自分たちのできないことに関心がない。  お客様の立場で考える習慣がない。  経営や業務に関心や知識がない。  お客様の成果より自分たちの成果を優先している。  仕事のやり方を変えたくない。  読めないリスクはできるだけ避けたい。  自分たちの業績評価基準に反する。  相手の想いを理解しようという意欲がない。  そもそも知識がなく、学ぶ意欲も乏しい。  新しいコトへチャレンジする意欲がない。 このような行動特性を示す理由
  121. 121. 働き方改革について
  122. 122. 「働き方改革」で何を目指すのか 122 働き方改革 AIや自動化が既存スキルの不良資産化を 加速し人生の「旬」の期間を短縮 ライフスタイルや医療・衛生・栄養 が改善し高齢化を助長 テクノロジーの進化 クロスオーバー人材 異なる分野の物事を組み合わせて 新しい物事を作り出せる人材 社会に必要とされる人材であり続ける 単一スキル/単一キャリアの限界を脱して マルチスキル/パラレルキャリアへ転換する 環境づくり 法律や制度 労働時間 在宅・リモート勤務 業績評価・人事制度 兼業・副業 事業目的・経営理念
  123. 123. 学び続ける習慣 123 独学力 つながり力 アウトプット力 SNS 勉強会 コミュニティ ボランティア イベント 呑み会 読書 社外研修 Web 変身資産の蓄積 多様な価値観やロールモデルの発見 ビジネス・チャネルの開拓 共感と深い学び 陳腐化するスキルの新陳代謝 直感力の育成 客観性と論理性の醸成 インプットの増大 人脈の拡大 パターン化・ストーリー化能力の強化
  124. 124. 124 ネットコマース株式会社 180-0004 東京都武蔵野市吉祥寺本町2-4-17 エスト・グランデール・カーロ 1201 http://www.netcommerce.co.jp/

×